机器人的定位方法、定位系统及机器人与流程

1.本发明涉及机器人领域，尤其涉及一种能够自动行走并执行工作的机器人的定位方法、定位系统及机器人。


背景技术：

2.随着科学技术的不断进步，各种机器人已经开始慢慢的走进人们的生活，例如自动吸尘器和自动割草机等。这种机器人具有行走装置，工作装置，以及自动控制装置，从而使得机器人能够在一定时间内脱离人们的操作，智能避障、在预设范围内自动行走并执行工作，同时，具备安全检测和电池电量检测等，在机器人的储能装置能量不足时，其能够自动返回充电站装置进行充电，然后继续工作，尤其适合家庭庭院、公共绿地等场所的清扫以及草坪修剪维护。这种机器人将人们从房屋清洁、草坪修剪等枯燥且费时费力的家务工作中解放出来，节省了人们的时间，为人们生活带来了便利。
3.目前市面上的户外移动机器人，如割草机器人，其机器定位采用的传感器定位技术有gps、视觉、惯导(ins)等，这类定位技术在简单工况下能够良好地工作，为机器人提供实时位置信息。但由于户外工况复杂，以上任一单一的传感器定位技术均无法满足户外所有工况下的定位精度需求。例如gps定位，在无遮挡的情况下(卫星信号强)其定位精度可达3～5米，但在阴影区，如树荫下、屋墙侧面，其定位精度变差，定位误差变大，甚至出现无法定位的情况，导致机器人无法进行位置确认、规划行走等工作，或工作完成质量较差；市面上亦出现了采用高精度定位传感器，或采用多传感器融合的方案，来实现精确定位。其中高精度定位传感器如rtk、uwb，定位精度为厘米级，能够实现户外简单工况下的精确定位，但这类传感器成本较高，安装布置比较复杂，用户体验较差；而gps+uwb+视觉+imu四者融合，虽然可以实现在户外复杂工况下的精确定位，但这类方案实现复杂，可靠性低，且成本高昂。


技术实现要素：

4.本发明的一个目的在于提供一种能够实现可靠的定位并且成本较低的机器人的定位方法。
5.本发明的另一个目的还在于提供一种能够实现可靠的定位并且成本较低的机器人的定位系统。
6.本发明的再一个目的还在于提供一种能够实现可靠的定位并且成本较低的机器人。
7.为实现上述发明目的之一，本发明提供了一种机器人的定位方法，包括以下步骤：
8.建立边界线电子地图；
9.接收来自gps导航系统的定位信号，以对自行走机器人进行定位；
10.判断接收到的gps定位数据是否发生跳变；
11.若是，则过滤跳变的gps定位数据并将里程计数据和imu数据使用扩展卡尔曼滤波
进行融合得到机器人的当前位置坐标；
12.基于所述当前位置坐标控制机器人在边界线限定的工作区域内按照规划的路径移动。
13.作为本发明一实施方式的进一步改进，根据检测到的所述边界线信号的波形形状或者波形变化趋势与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。
14.作为本发明一实施方式的进一步改进，还包括根据里程计和imu中的至少一个的数据变化趋势与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。
15.作为本发明一实施方式的进一步改进，接收到表征定位异常的信号，所述机器人进入重定位模式，按规划方向行走寻找rfid标签，读取rfid标签信号的电子编码，从预先存储的对应的rfid标签所在的位置坐标，对里程计数据和imu数据的输出进行校正。
16.作为本发明一实施方式的进一步改进，接收到表征定位异常的信号，所述机器人进入重定位模式，按规划方向行走寻找预设形状的边界线，从预先存储的对应的预设形状的边界线所在的位置坐标，对里程计数据和imu数据的输出进行校正。
17.作为本发明一实施方式的进一步改进，基于预先存储的rfid标签的位置坐标计算当前rfid标签与上一个rfid标签之间的实际距离；
18.记录机器人从上一个rfid标签到当前rfid标签的行驶里程；
19.根据所述实际距离与所述行驶里程的比值计算修正参数，基于修正参数对所述机器人当前的坐标位置进行校正。
20.作为本发明一实施方式的进一步改进，基于预先存储的预设形状的边界线所在的位置坐标计算当前预设形状的边界线与上一个预设形状的边界线之间的实际距离；
21.记录机器人从上一个预设形状的边界线到当前预设形状的边界线的行驶里程；
22.根据所述实际距离与所述行驶里程的比值计算修正参数，基于修正参数对所述机器人当前的坐标位置进行校正。
23.作为本发明一实施方式的进一步改进，基于前轮计算的里程*权重a和基于后轮计算的里程*权重b计算所述机器人的行驶里程。
24.作为本发明一实施方式的进一步改进，所述权重a和b为动态权重，权重a和权重b的和等于1，若判断出前轮打滑，则后轮的权重b继续增加；若判断出后轮打滑，则后轮的权重b逐渐减少。
25.本发明还提供了一种自行走机器人，用于在工作区域内自主行走和执行作业任务，所述自行走机器人包括：
26.存储器，被配置为储存有如上任一实施方式所述的定位方法的程序指令；以及
27.处理器，被配置为执行所述程序指令。
28.本发明还提供了一种自行走机器人的定位系统，包括用于在工作区域内自主行走和执行工作的机器人，其特征在于，所述定位系统还包括：
29.边界线，用于限定所述自行走机器人的工作区域；
30.无线通信模块，用于接收gps系统的定位数据和与基站通信；
31.imu与里程计，其中imu用来测量机器人三轴姿态及加速度；
32.边界线传感器，用于检测所述边界线的信号；
33.数据采集模块，用于读取imu、里程计、边界线传感器及gps定位的数据，获取自行走机器人的位置信息；
34.存储模块，用于存储边界线电子地图以及坐标信息；
35.定位处理模块，判断接收到的gps定位数据发生跳变时，过滤跳变的gps定位数据并将里程计数据和imu数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标；
36.控制模块，用于与imu与里程计、边界线传感器、数据采集模块、定位处理模块电性连接，协调各模块之间的运行，所述控制模块基于所述当前位置坐标控制机器人在边界线限定的工作区域内按照规划的路径移动。
37.作为本发明一实施方式的进一步改进，所述边界线沿线间隔设置多个rfid标签，机器人上设有对应的电磁感应线圈，在机器人进入重定位模式时，读取rfid标签信号的电子编码，从预先存储的对应的rfid标签所在的位置坐标，对里程计数据和imu数据的输出进行校正。
38.作为本发明一实施方式的进一步改进，所述边界线包括间隔设置并且形状各异的多个异型部位，所述边界线传感器检测所述异型部位的边界线产生的信号，从预先存储的对应的异型部位的边界线所在的位置坐标，对里程计数据和imu数据的输出进行校正。
39.与现有技术相比，本发明的有益效果在于：通过将跳变的gps定位数据过滤，使里程计数据和imu数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标，系统杂度低，实现简单，稳定性、可靠性高，且成本较低，从而更符合用户需求。
附图说明
40.图1是本发明优选的实施方式中机器人定位系统的示意图；
41.图2是图1中的机器人定位系统的建图坐标示意图；
42.图3是图1中的机器人定位方法的流程图；
43.图4是图3中的机器人定位方法通过rfid校准的流程图；
44.图5是图3中的机器人定位方法通过边界线异型部位校准的流程图；
45.图6是图1中的机器人的边界传感器相对于边界线的示意图；
46.图7是图6中的机器人的两个边界传感器的波形图；
47.图8是图1中的机器人定位系统的边界线采用第一示例的异型部位的示意图；
48.图9是基于图8中异性部位的边界线的边界传感器的波形图；
49.图10是图1中的机器人定位系统的边界线采用第二示例的异型部位的示意图；
50.图11是基于图10中异性部位的边界线的边界传感器的波形图；
51.图12是图1中的机器人定位系统的边界线采用第三示例的异型部位的示意图；
52.图13是基于图12中异性部位的边界线的边界传感器的波形图；
53.图14是图1中的机器人定位系统的边界线采用第四示例的异型部位的示意图；
54.图15是基于图14中异性部位的边界线的边界传感器的波形图。
具体实施方式
55.以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并
不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
56.参照图1所示，机器人的定位系统包括机器人和边界线20，本发明优选的以割草机器人10为例进行具体说明，割草机器人10用于在地面上自动行走和执行工作，通过使用无绳电源提供行走以及工作能量，如电池包、太阳能电池板等，当然也可使用有线电源连接市电供电。割草机器人包括用于修剪草坪的工作模块以及行走模块，行走模块用于行走和转向，工作模块用于实现草坪的修剪。另外，割草机器人还包括控制模块，用于协调工作模块和行走模块，控制模块能够使割草机器人在无人看守的情况下自动在草坪上行走并割草。
57.本实施例中，割草机器人10还包括无线通信模块以及imu(惯性测量单元)和里程计，无线通信模块可以是无线接收模块或无线收发模块，用于接收gps系统的定位数据和与基站通信，当然，也可以用于和移动终端通信。其中imu用来测量机器人三轴姿态及加速度，里程计用于检测机器人的行走距离。基站可以是机器人的充电站，也可以是与充电站分离的独立的基站。
58.参照图2，本实施例中以充电站30为基站进行说明，其中以布设充电站30的位置作为坐标原点，即(x.y.yaw)为(0.0.0)，其中x为水平横向坐标，y为水平纵向坐标，yaw为航向角。以充电站30为原点，图示箭头a的方向为顺时针方向，航向角为机器人的行驶方向相对y轴正向顺时针旋转的角度。里程计优选为霍尔里程计，霍尔里程计包括安装于割草机器人10前轮内的n个磁铁及线圈装置以及安装于驱动轮轴上的编码器，移动过程中根据单位时间内的脉冲数据，即可得到前轮的行走距离。通过前后轮数据时间戳，结合前后轮的行走里程数据进行前后轮的里程校正，以此得到准确行走里程。
59.具体可以是使用前轮对后轮进行打滑检测。当后轮打滑时，基于前后轮里程计的差值检测出后轮打滑，使用基于前轮里程计计算记录的位置点，替换掉基于当前后轮里程计计算记录的位置点，从而提高后轮里程计计算的精度。
60.也可以是基于前轮计算的里程*权重a和基于后轮计算的里程*权重b，综合出校正后的里程。其中权重a和b可以是动态权重，权重a和权重b的和等于1，权重a和权重b可以是相等的，本技术中优选的，机器人采用后轮驱动的情况下，权重b大于权重a，例如权重b大于等于0.7，可以确保计算的结果更加准确。例如，前轮和后轮都有可能打滑，如果后轮抬起，则后轮记录一直行走，而前轮没有动，则可以借助gps或imu判断哪个轮子出现问题，即判断出前轮打滑还是后轮打滑，如前轮打滑，则后轮的权重b继续增加，直至前轮的权重a为0；如后轮打滑，则后轮的权重b逐渐减少。
61.机器人的定位系统包括边界线20，用于限定机器人的工作区域21，割草机器人上设置边界线传感器，用于检测边界线20的信号。通过检测到的边界线信号，可以实现机器人沿边界线20割草、防止机器人走出边界线外、以边界线为回归路径返回充电站、确认工作路径等等。本实施例中，边界线传感器主要包括两个电感，利用切割磁感线的原理，感应边界线产生的磁场，从而识别到边界线。
62.割草机器人10在沿边界线移动的过程中，两个边界线传感器位于机器人割草机主机的两侧，边界线处于两个传感器之间。根据磁感应原理，能够实现通过两个传感器识别边界线，控制行走模块的行走路径使边界线处于两个传感器之间，从而使主机准确地沿边界线行走。
63.机器人还包括数据采集模块、存储模块以及定位处理模块，数据采集模块用于读取imu、里程计、边界线传感器及gps定位的数据，获取自行走机器人的位置信息。存储模块用于存储边界线电子地图以及坐标信息，定位处理模块判断接收到的gps定位数据是否发生了跳变，当gps定位数据发生跳变时，过滤跳变的gps定位数据并将里程计数据和imu数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标。一次扩展卡尔曼滤波数据处理中，需要涉及gps定位数据、里程计数据和imu数据，如果检测到gps数据跳变则去掉gps数据，只对其余两个数据融合处理。
64.控制模块用于与imu、里程计、边界线传感器、数据采集模块、定位处理模块电性连接，协调各模块之间的运行，控制模块可以控制数据采集模块对imu、里程计、边界传感器进行数据获取，通过定位处理模块对获取的数据进行处理；根据数据采集模块获取的数据和/或定位处理模块输出的数据，控制模块还可以控制imu、里程计以及边界线传感器的运行。控制模块基于当前位置坐标控制机器人在边界线限定的工作区域内按照规划的路径移动，从而实现机器人可靠的定位。上述模块按照功能来进行划分，可以认为是虚拟模块。
65.扩展卡尔曼滤波算法(ekf)，可理解为用前一个时刻的估计值作为参考点做线性化。这是因为相对于先验值，前一个时刻的估计值更加贴近于真实值，将该估计值作为线性化参考点可以得到一个更加贴近于实际的线性化系统模型。通常根据观测数据对随机量进行定量推断就是估计问题，特别是对动态行为的状态估计，它能实现实时运行状态的估计和预测功能。
66.机器人本身装有多个传感器，其中里程计和imu的输出频率较高，可高频反馈机器人的速度及姿态信息，但传感器的测量值大多数时候都有噪声。卡尔曼滤波利用传感器反馈的动态信息，尝试去掉噪声的影响，得到一个关于目标位置的最优估计。通过对里程计及imu的数据通过扩展卡尔曼滤波的融合，计算得到机器人的更准确的位姿信息。
67.gps是一种相对精准的定位传感器，但更新频率低，并不能满足实时计算的要求。而里程计和imu的定位误差会随着运行时间增长，但由于其是高频传感器，在短时间内可以提供稳定的实时位置更新。所以需要使用卡尔曼滤波器融合这两种传感器数据。
68.卡尔曼滤波器可以从一组有限的、包含噪声的物体位置的观察序列预测出物体的位置坐标及速度。即使对物体位置的观测有误差，根据物体历史状态与当前对位置的观测，也可以较准确地推算出物体的位置。卡尔曼滤波器运行时主要分两个阶段：预测阶段基于上个时间点的位置信息去预测当前的位置信息；更新阶段通过当前对物体位置的观测去纠正位置预测，从而更新物体的位置。例如在上一次位置估算的基础上使用里程计和imu对当前的位置进行实时预测。在得到新gps数据前，只能通过积分里程计和imu的数据来预测当前位置。但里程计和imu的定位误差会随着运行时间增长，所以当接收到新的比较精准的gps数据时，可以使用这个gps数据对当前的位置预测进行更新。通过不断地执行这两个步骤，可以取两者所长，对机器人进行准确实时定位。假设里程计和imu的频率是1khz，而gps的频率是10hz，那么每两次gps更新之间，可以使用100个里程计和imu数据点进行位置预测。
69.当天气比较恶劣的时候，例如多云天气，gps数据可能会不准，或者在gps信号弱的时候，会产生一些的跳变，这个时候可以利用边界线信号把这些跳变的数据识别出来并滤掉，从而提高定位的可靠性。
70.具体的，可以根据当前位置接收到的边界线信号判断接收到的gps定位数据是否发生跳变，即利用检测到的边界线信号的波形变化来识别跳变的数据，优选根据检测到的边界线信号波形的变化与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。比如基于边界线传感器检测到机器人在边界线内，前一帧数据，gps定位数据还在边界线内，下一帧数据就突然跳变到边界线外了，即可认为gps定位数据发生跳变。其中，边界线信号波形的变化可以是检测到的边界线信号波形的形状不同，或者波形的变化趋势不同。比如，根据边界线信号波形的变化计算机器人到边界线的距离，从而判断机器人是接近边界线或者远离边界线，而gps定位数据的变化趋势判断的机器人的运动是相反的，可以认为gps定位数据发生跳变。
71.另外，可以利用里程计和imu来识别跳变的数据，即根据里程计和imu中的至少一个的数据变化趋势与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。比如前一帧数据和下一帧数据中，gps定位数据的差值或方向相对于里程计和imu检测的数据大于预定阀值，即可认为gps定位数据发生跳变。可以仅利用里程计和imu至少之一来识别跳变的数据，也可以在基于检测到的边界线信号的波形变化来识别跳变的数据基础上，进一步利用里程计和imu至少之一来识别跳变的数据。
72.而当gps定位数据正常时，即gps定位数据没有发生跳变，使用扩展卡尔曼滤波对gps定位数据、里程计数据以及imu数据进行数据融合，对机器人进行实时定位。通过融合定位算法实时获取里程计数据、imu的数据信息，从而获知机器人相对准确的航向轨迹，通过转换坐标系可得到地图区域内的机器位置，该实时位置坐标同步关联gps对应坐标。gps定位数据正常情况下，机器人根据里程计、imu传感器的信息，可实时定位机器在当前地图内的坐标(x,y,yaw)。使用gps数据对当前的位置预测进行更新，可以对机器人进行准确的实时定位。
73.进一步的，机器人从充电站沿箭头b出发建图，可以先逆时针再顺时针分别沿边界线巡线一周，实时以里程计及imu的上报的数据建立坐标(参考图2)，构建地图。地图坐标信息可以存储在存储模块。其中，边界线沿线间隔设置多个rfid标签，机器人上设有对应的电磁感应线圈，在机器人巡线过程中，电磁感应线圈经过预设的rfid标签即可感知，机器人记录rfid标识号、计算rfid在当前地图中的坐标信息(δx,δy)并关联储存，巡线结束至原点坐标时(基站)，地图建立完成。通过顺时针和逆时针分别沿边界线巡线一周，可以相互修正以获得更准确的边界线地图，也可以进一步验证rfid的坐标信息。
74.参照图3和图4，机器人定位异常时，比如当路面复杂(坡道、凹坑及大树楼宇阴影区同时存在时)，此种工况容易造成imu等传感器数据的较大误差，或者此时gps模块搜星质量差或无法接收信号，这种工况下，机器人接收到表征定位异常的信号，从而机器人进入重定位模式，机器人通过读取建图时记录的rfid标签的坐标值来校正自身的坐标，进行坐标校准，即对里程计数据和imu数据中的输出进行校正，输出机器人的准确坐标，即机器人当前位姿信息为(δx,δy，δyaw)。也可以是机器人在完成预设区域的工作、检测到被移动的信息以及通过算法识别到自身误差达到阈值，都可以认为是表征定位异常的信号，也可以进入重定位模式，与上述方式相同，机器人主动寻找rfid标签。机器人按照规划出的方向，例如直接沿机器人当前行走方向或者朝最近边界线的方向，行驶到边界线上，沿边界线寻找rfid标签。
75.参照图5，本技术的另一个实施方式中，边界线包括间隔设置的、形状各异的多个异型部位，边界线传感器检测异型部位的边界线产生的信号，从预先存储的对应的异性部位的边界线所在的位置坐标，对里程计数据和imu数据的输出进行校正，具体的触发条件以及校正方式与上述rfid标签相同。因边界线不同的形态会产生不同的特性强度和强度变化曲线。基于此特性，将边界线在某一段距离设置一个特殊形状，当边界线传感器读取到这一特殊强度信号，就可以将之前记录的坐标值读取出来，进行坐标校正。例如将边界线打两个结，强度曲线就会呈现两个峰谷波形，将此信号特征记录下来，当建图时读取到此强度信号时，将此时的坐标记录下来。当机器人接收到表征定位异常的信号，进入重定位模式，读到此强度信号，将之前记录的坐标取出进行定位的融合处理。
76.当割草机器人发生外轮磨损、卷泥等情景，可以通过固定距离对比运行时距离优化定位计算参数，进行修正。具体的，通过rfid校正时，基于预先存储的rfid标签的位置坐标计算当前rfid标签与上一个rfid标签之间的实际距离；记录机器人从上一个rfid标签到当前rfid标签的行驶里程；根据实际距离与行驶里程的比值计算修正参数，基于修正参数对机器人当前的坐标位置进行校正。通过边界线异型部位校正时，基于预先存储的预设形状的边界线所在的位置坐标计算当前预设形状的边界线与上一个预设形状的边界线之间的实际距离；记录机器人从上一个预设形状的边界线到当前预设形状的边界线的行驶里程；根据实际距离与行驶里程的比值计算修正参数，基于修正参数对机器人当前的坐标位置进行校正。
77.其中，获取当前rfid标签与上一个rfid标签之间的实际距离l0和机器人在这两个rfid标签之间的行驶里程l1的比值e，在计算当前rfid标签与下一个rfid标签之间的行使里程l2时，使用下次计算得出的行驶里程l2*e，即可得出下次实际的行驶距离，进而使里程计算更加准确。当然，也可以基于实际距离l0与行驶里程l1的比值进行轮径误差修正，基于修正后的轮径计算行驶里程。
78.参照图6，两个边界线传感器12中，以割草机器人主机前进方向为参考，定义其右侧传感器为第一传感器，左侧传感器为第二传感器。割草机器人行走时，边界线20处于两个传感器12之间且边界线为直线时，第一传感器的波形图和第二传感器的波形图如图7所示。
79.参照图8和图9，割草机器人行走时，边界线处于两个传感器之间且边界线的异型部位构造为第一异形24(u形)，第一传感器的波形图如图9所示。其中，通过波形变化可得知，第一异形24时相对于边界线为直线时第一传感器的波形幅值增大，两者均为先波谷再波峰的形状。
80.参照图10和图11，割草机器人行走时，边界线处于两个传感器之间且边界线的异型部位构造为第二异形24a，第一传感器的波形图如图11所示。其中，通过波形变化可得知，第二异形24a时相对于边界线为直线时第一传感器的波形幅值增大，而且为先波峰后波谷。
81.参照图12和图13，割草机器人行走时，边界线处于两个传感器之间且边界线的异型部位构造为第三异形24b，第一传感器的波形图如图13所示。其中，通过波形变化可得知，第三异形24b时相对于边界线为直线时第一传感器的波形为先波峰后波谷，但相对于第二异形时幅值更明显。
82.参照图14和图15，割草机器人行走时，边界线处于两个传感器之间且边界线的异型部位构造为第四异形24c，第一传感器的波形图如图15所示。其中，通过波形变化可得知，
第四异形24c时相对于边界线为直线时第一传感器的波形相对于第一异形时的幅值更大。
83.基于上述示例，边界线的形状差异会导致边界传感器检测到的信号差异，从而能够识别出位置的唯一性，来替代rfid。需要说明的是，通过第一传感器即可识别差异，第二传感器的波形同样会有差异。
84.边界传感器检测到特定的异形位置后，定位处理模块识别出该异型位置的坐标，进而校正割草机器人的定位。其中，异型部位的形成可以通过地钉限位或者槽限位等方式。通过边界线的异型部位来代替rfid，定位准确的同时成本更低。
85.上述机器人的定位系统，通过将跳变的gps定位数据过滤掉，使里程计数据和imu数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标，系统杂度低，实现简单，稳定性、可靠性高，且成本较低，从而更符合用户需求。
86.参照图3到图5，本发明优选的实施例还包括自行走机器人的定位方法，包括以下步骤：
87.建立边界线电子地图；
88.接收来自gps导航系统的定位信号，以对自行走机器人进行定位；
89.判断接收到的gps定位数据是否发生跳变；
90.若是，则过滤跳变的gps定位数据并将里程计数据和imu数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标；
91.基于当前位置坐标控制机器人在边界线限定的工作区域内按照规划的路径移动。
92.通过过滤跳变的gps定位数据，再对里程计和imu的数据通过扩展卡尔曼滤波的融合，计算得到机器人的更准确的位姿信息，系统实现简单，成本更低。
93.进一步的，根据检测到的所述边界线信号的波形形状或者波形变化趋势与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。比如基于边界线传感器检测到机器人在边界线内，前一帧数据，gps定位数据还在边界线内，下一帧数据就突然跳变到边界线外了，即可认为gps定位数据发生跳变。
94.另外，也可以根据里程计和imu中的至少一个的数据变化趋势与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。比如前一帧数据和下一帧数据中，gps定位数据的差值或方向相对于里程计和imu检测的数据大于预定阀值，即可认为gps定位数据发生跳变。
95.而当gps定位数据正常时，使用扩展卡尔曼滤波对gps定位数据和里程计数据和imu数据三者进行数据融合，以对机器人进行实时定位。
96.而当无法获取gps信号或者gps信号弱的时候，或者机器人在完成预设区域的工作、检测到被移动的信息以及通过算法识别到自身误差达到阈值，机器人接收到表征定位异常的信号，重定位模式，机器人按照规划出的方向寻找rfid标签，读取rfid标签信号的电子编码，从预先存储的对应的rfid标签所在的位置坐标，对里程计数据和imu数据的输出进行校正，从而确保机器人的定位更加准确。
97.在其它的实施方式中，机器人接收到表征定位异常的信号，进入重定位模式，机器人按照规划方向寻找预设形状的边界线，从预先存储的对应的预设形状的边界线所在的位置坐标，对里程计数据和imu数据的输出进行校正。通过预设形状的边界线代替rfid，实现简单，成本低。
98.当割草机器人发生外轮磨损、卷泥等情景，基于预先存储的rfid标签的位置坐标计算当前rfid标签与上一个rfid标签之间的实际距离；记录机器人从上一个rfid标签到当前rfid标签的行驶里程；根据实际距离与行驶里程的比值计算修正参数，基于修正参数对机器人当前的坐标位置进行校正。当然，也可以基于预先存储的预设形状的边界线所在的位置坐标计算当前预设形状的边界线与上一个预设形状的边界线之间的实际距离；记录机器人从上一个预设形状的边界线到当前预设形状的边界线的行驶里程；根据实际距离与行驶里程的的比值计算修正参数，基于修正参数对机器人当前的坐标位置进行校正。从而进一步确保了机器人定位的准确性。
99.本技术优选的实施例还包括一种自行走机器人，用于在工作区域内自主行走和执行作业任务，按照硬件划分，机器人包括存储器，被配置为储存如前所述的控制方法的程序指令；以及处理器，被配置为执行该程序指令。
100.应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
101.上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

技术特征：
1.一种自行走机器人的定位方法，其特征在于，包括以下步骤：建立边界线电子地图；接收来自gps导航系统的定位信号，以对自行走机器人进行定位；判断接收到的gps定位数据是否发生跳变；若是，则过滤跳变的gps定位数据并将里程计数据和imu数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标；基于所述当前位置坐标控制机器人在边界线限定的工作区域内按照规划的路径移动。2.根据权利要求1所述的定位方法，其特征在于，根据检测到的所述边界线信号的波形形状或者波形变化趋势与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。3.根据权利要求1或2所述的定位方法，其特征在于，还包括根据里程计和imu中的至少一个的数据变化趋势与gps定位数据的变化趋势进行对比以判断接收到的gps定位数据是否发生跳变。4.根据权利要求1所述的定位方法，其特征在于，接收到表征定位异常的信号，所述机器人进入重定位模式，按规划方向行走寻找rfid标签，读取rfid标签信号的电子编码，从预先存储的对应的rfid标签所在的位置坐标，对里程计数据和imu数据的输出进行校正；或者接收到表征定位异常的信号，所述机器人进入重定位模式，按规划方向行走寻找预设形状的边界线，从预先存储的对应的预设形状的边界线所在的位置坐标，对里程计数据和imu数据的输出进行校正。5.根据权利要求4所述的定位方法，其特征在于，基于预先存储的rfid标签的位置坐标计算当前rfid标签与上一个rfid标签之间的实际距离；记录机器人从上一个rfid标签到当前rfid标签的行驶里程；根据所述实际距离与所述行驶里程的比值计算修正参数，基于修正参数对所述机器人当前的坐标位置进行校正；或者基于预先存储的预设形状的边界线所在的位置坐标计算当前预设形状的边界线与上一个预设形状的边界线之间的实际距离；记录机器人从上一个预设形状的边界线到当前预设形状的边界线的行驶里程；根据所述实际距离与所述行驶里程的比值计算修正参数，基于修正参数对所述机器人当前的坐标位置进行校正。6.根据权利要求1或5所述的定位方法，其特征在于，基于前轮计算的里程*权重a和基于后轮计算的里程*权重b计算所述机器人的行驶里程。7.根据权利要求6所述的定位方法，其特征在于，所述权重a和b为动态权重，权重a和权重b的和等于1，若判断出前轮打滑，则后轮的权重b继续增加；若判断出后轮打滑，则后轮的权重b逐渐减少。8.一种自行走机器人，用于在工作区域内自主行走和执行作业任务，其特征在于，所述自行走机器人包括：存储器，被配置为储存有如权利要求1至7中任一项所述的定位方法的程序指令；以及处理器，被配置为执行所述程序指令。9.一种自行走机器人的定位系统，包括用于在工作区域内自主行走和执行工作的机器
人，其特征在于，所述定位系统还包括：边界线，用于限定所述自行走机器人的工作区域；无线通信模块，用于接收gps系统的定位数据和与基站通信；imu与里程计，其中imu用来测量机器人三轴姿态及加速度；边界线传感器，用于检测所述边界线的信号；数据采集模块，用于读取imu、里程计、边界线传感器及gps定位的数据，获取自行走机器人的位置信息；存储模块，用于存储边界线电子地图以及坐标信息；定位处理模块，判断接收到的gps定位数据发生跳变时，过滤跳变的gps定位数据并将里程计数据和imu数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标；控制模块，用于与imu与里程计、边界线传感器、数据采集模块、定位处理模块电性连接，协调各模块之间的运行，所述控制模块基于所述当前位置坐标控制机器人在边界线限定的工作区域内按照规划的路径移动。10.根据权利要求9所述的定位系统，其特征在于，所述边界线沿线间隔设置多个rfid标签，机器人上设有对应的电磁感应线圈，在机器人进入重定位模式时，寻找rfid标签并读取rfid标签信号的电子编码，从预先存储的对应的rfid标签所在的位置坐标，对里程计数据和imu数据的输出进行校正；或者所述边界线包括间隔设置并且形状各异的多个异型部位，所述边界线传感器检测所述异型部位的边界线产生的信号，从预先存储的对应的异型部位的边界线所在的位置坐标，对里程计数据和imu数据的输出进行校正。

技术总结
本发明提供了一种自行走机器人的定位方法、定位系统以及机器人，所述定位方法包括以下步骤：建立边界线电子地图；接收来自GPS导航系统的定位信号，以对自行走机器人进行定位；判断接收到的GPS定位数据是否发生跳变；若是，则过滤跳变的GPS定位数据并将里程计数据和IMU数据使用扩展卡尔曼滤波进行融合得到机器人的当前位置坐标；基于所述当前位置坐标控制机器人在边界线限定的工作区域内按照规划的路径移动。路径移动。路径移动。


技术研发人员：林利
受保护的技术使用者：上海昶氪科技有限公司
技术研发日：2023.05.24
技术公布日：2023/8/23